Qwen3.8-Max: رهان Alibaba بـ2.4 تريليون معامل — الرخيص يتفوق على البارع

نموذج بتريليونات المعاملات بسعر خيار اقتصادي

في 3 أغسطس 2026، أطلق فريق Qwen التابع لـAlibaba نموذج Qwen3.8-Max بوصفه أكبر وأقدر نماذجها حتى الآن — نظام مزيج خبراء (MoE) بـ2.4 تريليون معامل لا ينشّط سوى نحو 95 مليار معامل لكل طلب، وفقاً للتحليل التقني من DataFloq. تصميم التنشيط المتناثر هذا هو ما يجعل التسعير التنافسي ممكناً: فبدلاً من تشغيل كامل الـ2.4 تريليون معامل لكل استعلام، يختار الموجّه مجموعة فرعية من الشبكات الفرعية “الخبيرة” المتخصصة — تُنشَّط نحو 95 مليار من إجمالي 2.4 تريليون معامل لكل طلب، بحسب DataFloq — بحيث تصبح تكلفة الحوسبة لكل استعلام جزءاً يسيراً مما يتطلبه نموذج كثيف بنفس الحجم الإجمالي.

العنوان الأبرز هو السعر. تفرض Alibaba رسوماً قدرها 2 دولار لكل مليون توكن إدخال و6 دولارات لكل مليون توكن إخراج، مع انخفاض تكلفة التخزين المؤقت إلى 0.25 دولار لكل مليون — وهو تسعير يصفه تحليل DataFloq بأنه “أرخص بكثير من Claude وGPT-5.6”. النموذج متاح الآن عبر Alibaba Cloud Model Studio، الذي يوفر واجهات برمجة تطبيقات متوافقة مع OpenAI وAnthropic، بالإضافة إلى منصة العمل التابعة لـAlibaba المسماة QwenWork، وفقاً لـTechNode Global.

ما الذي يستطيع النموذج فعله فعلياً

يدعم Qwen3.8-Max نافذة سياق بمليون توكن — وهي مساحة كافية لاستيعاب قاعدة شيفرة برمجية كاملة، أو عقد قانوني طويل، أو ساعات من نص فيديو مفرَّغ في مرور واحد، بحسب التقرير التقني من TechNode Global. يقبل النموذج النص والصورة والفيديو كمدخلات أصلية. أما على صعيد الأداء في اختبارات القياس، فيسرد تحليل MarkTechPost نتيجة 86.6 في Terminal-Bench 2.1، ونتيجة 92.6 في GPQA Diamond، ونتيجة 86.1 في OSWorld-Verified — وهذه الأخيرة تضع Alibaba النموذج، بحسب تقديرها، متقدماً على بعض الأنظمة المنافسة في مهام الأتمتة الوكيلية لسطح المكتب.

لكن النموذج ليس متفوقاً في كل شيء. وجد استعراض DataFloq أن Qwen3.8-Max يحقق نتيجة 67.7 في SWE-bench Pro مقابل 80.0 المُعلنة لـClaude على نفس اختبار القياس، وأشار المراجعون إلى بطء توليد المخرجات مقارنة بالأنظمة المنافسة، وصعوبات في إنجاز مشاريع معقدة متعددة الملفات مثل تطوير ألعاب ثلاثية الأبعاد كاملة. لم تنفِ Alibaba نفسها هذه الفجوة — إذ تضع تصنيفات الحلبة الخاصة بها، كما نقلها DataFloq، النموذج في المرتبة الخامسة في Text Arena والثانية في Vision Arena، دون أن يتصدر أياً منهما.

الاستراتيجية: تكلفة الحوسبة كساحة المعركة الحقيقية

لا يقوم موقف Alibaba على “النموذج الأذكى” بل على “الجيد بما يكفي، في كل مكان، بجزء من السعر”. يوضح تحليل DataFloq هذا صراحةً: تستهدف Alibaba أعباء العمل المؤسسية عالية الحجم والمتكررة — أتمتة دعم العملاء، سلاسل معالجة المستندات، مهام البرمجة طويلة المدى — حيث تقل أهمية الفجوة في القدرات مقابل Claude أو GPT-5.6 عن أهمية التكلفة الأساسية لكل توكن. يصف DataFloq تسعير Alibaba البالغ 2$/6$ بأنه “أرخص بكثير” من السعر المُعلن لأي من المنافسين الغربيين، وهذه هي الورقة التي تلعبها Alibaba: ليست ادعاءً بالقدرة، بل ادعاءً اقتصادياً. وفي عرض توضيحي واحد استشهد به DataFloq، نفّذ النموذج بشكل مستقل مشروع هندسة برمجيات امتد 16 يوماً، وبنى إطار عمل وكيل مفتوح المصدر يُدعى oh-my-cli، دون أن يفشل في المهمة كلياً — وهو دليل على أن الاستدلال “الجيد بما يكفي” المستمر على مدى طويل يمكن أن يحل محل الذكاء الذروي لكل استعلام في العديد من أعباء الإنتاج.

هذه أيضاً المرة الأولى التي تخطط فيها Qwen لإتاحة أوزان نموذج رائد من فئة Max كمصدر مفتوح. التزمت Alibaba بنشر الأوزان على Hugging Face وModelScope خلال أسبوع من إعلان 3 أغسطس، إلى جانب نموذج مرافق أصغر، Qwen3.8-27B، الذي يصفه DataFloq بأنه “المسار الواقعي للنشر المحلي” للمؤسسات التي لا تستطيع أو لا ترغب في إرسال بياناتها إلى واجهة برمجة تطبيقات خارجية. إتاحة أوزان نموذج بهذا الحجم كمصدر مفتوح — بدلاً من إبقائه خلف واجهة برمجة تطبيقات مغلقة كما تفعل OpenAI وAnthropic مع نماذجهما الرائدة — هو خطوة إستراتيجية متعمدة: فهي تتيح للحكومات والجامعات والشركات ذات متطلبات السيادة على البيانات تشغيل نموذج متقدم على بنية تحتية تتحكم بها هي بنفسها، بدلاً من الوثوق ببيانات حساسة لدى مزود سحابي أجنبي. من المرجح أن يكون هذا الفارق أكثر أهمية للمشترين الخاضعين للتنظيم — البنوك والأنظمة الصحية والوكالات الحكومية — من نقطة دقة إضافية في تصنيف الاستدلال، لأن القيد الملزم لهؤلاء المشترين غالباً ما يكون قانونياً وليس تقنياً.

لماذا فجوة السعر هي الإشارة الحقيقية

لا تعمل بنية تكاليف Alibaba إلا بفضل معمارية مزيج الخبراء: فتنشيط 95 مليار معامل من أصل 2.4 تريليون لكل توكن يعني أن الشركة تدفع جزءاً يسيراً من تكلفة حوسبة الاستدلال التي يتطلبها نموذج كثيف بحجم مماثل. تُنقل هذه الكفاءة بعد ذلك إلى العملاء في شكل سعر — والسعر، وليس جدول اختبارات القياس، هو ما يُرجَّح أن يحرك قرارات الشراء المؤسسية في الأسواق التي يشكل فيها الوصول إلى وحدات معالجة الرسومات وفواتير واجهة برمجة التطبيقات بالدولار القيد الملزم، لا جودة الاستدلال الهامشية.

ماذا يعني هذا لمشتري الذكاء الاصطناعي في المؤسسات

1. أعد حساب نموذج تكلفة أعباء العمل قبل تجديد عقد واجهة برمجة التطبيقات

إذا كانت مؤسستك تشغّل أعباء عمل ذكاء اصطناعي عالية الحجم ومنخفضة التعقيد — فرز تذاكر الدعم، تلخيص المستندات، المراجعة الأولى للشيفرة البرمجية — فإن الفارق السعري بين 6 دولارات لكل مليون توكن إخراج والسعر المُعلن لنموذج غربي متقدم قد يشكل الفرق بين ميزة ذكاء اصطناعي مربحة أو مدعومة مالياً. احسب حجم التوكنات الفعلي لعبء الإنتاج لديك مقابل التسعير المُعلن لـQwen3.8-Max قبل افتراض أن المزود الحالي لا يزال الخيار الاقتصادي.

2. افصل بين المهام “الحرجة من حيث القدرة” والمهام “الحرجة من حيث الحجم”

تعني فجوة SWE-bench Pro (67.7 مقابل 80.0 لدى Claude) أن Qwen3.8-Max ليس خياراً افتراضياً آمناً لأصعب مهام البرمجة أو الاستدلال لديك. وجّه الأعمال المعقدة وعالية المخاطر إلى نموذج أعلى قدرة، واحتفظ بـQwen3.8-Max — أو نظيره مفتوح الأوزان — للجزء عالي الحجم ومنخفض التعقيد من سلسلة عملك، حيث تتراكم وفورات التكلفة.

3. قيّم إصدار الأوزان المفتوحة لمتطلبات السيادة على البيانات

بمجرد توفر الأوزان على Hugging Face وModelScope، تحصل أي مؤسسة خاضعة لمتطلب تنظيمي أو تعاقدي بإبقاء الاستدلال على بنية تحتية محلية على خيار متقدم غير موجود اليوم لدى OpenAI أو Anthropic، اللتين تقصران نماذجهما الرائدة على واجهة برمجة التطبيقات فقط. هذا خيار ذو أهمية للقطاعات الخاضعة للتنظيم والمشترين الحكوميين الذين ظلوا مستبعدين من قدرات النماذج المتقدمة بسبب قواعد إقامة البيانات.

4. تعامل مع عرض البرمجة المستقلة لمدة 16 يوماً كإشارة قدرة، لا كضمانة

نجاح عرض توضيحي واحد على مدى طويل هو دليل على قدرة النموذج على الحفاظ على مهمة وكيلية متعددة الأيام، وليس دليلاً على أنه سيفعل ذلك بشكل موثوق في بيئتك. اختبر أعباء العمل الوكيلية على مهمة محدودة ومنخفضة المخاطر قبل توسيع الاستقلالية إلى أنظمة الإنتاج.

الصورة الأكبر

لا يسعى Qwen3.8-Max إلى تصدر قائمة اختبارات القياس — إذ تقر أرقام Alibaba نفسها بمرتبتين خامسة وثانية في تصنيفات الحلبة. ما يسعى إليه هو ضغط سعر الذكاء الاصطناعي “الجيد بما يكفي” إلى نقطة يتوقف فيها الاختيار بين مزود نموذج صيني وآخر غربي عن أن يكون متعلقاً بالقدرة ليصبح متعلقاً بالتكلفة، والتحكم في النشر، والسيادة على البيانات. بالنسبة للمؤسسات خارج منظومة المختبرات المتقدمة الأمريكية — بما فيها الأسواق التي يشكل فيها إنفاق واجهة برمجة التطبيقات بالدولار قيداً حقيقياً — يهم هذا التأطير الجديد أكثر من نقطة مئوية إضافية في GPQA Diamond.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• Alibaba Qwen Releases Qwen3.8-Max — MarkTechPost
• China’s Alibaba Launches Qwen3.8-Max AI Model with 2.4T Parameters — TechNode Global
• Qwen3.8-Max Signals Alibaba’s Bet That Cheap Beats Brilliant — DataFloq
• Alibaba’s Qwen3.8-Max AI Model Claims Benchmark Scores Rivaling Anthropic — Bloomberg